HAL Id: tel-02517128
https://hal.univ-lorraine.fr/tel-02517128
Submitted on 24 Mar 2020HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
From “shared diagnosis” to “shared action” : how Living
Lab process can support decision-making process
involving citizen for Smart City
Tran Thi Hoang Giang
To cite this version:
Tran Thi Hoang Giang. From “shared diagnosis” to “shared action” : how Living Lab process can support decision-making process involving citizen for Smart City. Engineering Sciences [physics]. Université de Lorraine, 2019. English. �NNT : 2019LORR0168�. �tel-02517128�
AVERTISSEMENT
Ce document est le fruit d'un long travail approuvé par le jury de
soutenance et mis à disposition de l'ensemble de la
communauté universitaire élargie.
Il est soumis à la propriété intellectuelle de l'auteur. Ceci
implique une obligation de citation et de référencement lors de
l’utilisation de ce document.
D'autre part, toute contrefaçon, plagiat, reproduction illicite
encourt une poursuite pénale.
Contact : ddoc-theses-contact@univ-lorraine.fr
LIENS
Code de la Propriété Intellectuelle. articles L 122. 4
Code de la Propriété Intellectuelle. articles L 335.2- L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
EA 3767 - ERPI -
É
quipe de Recherche sur les Processus InnovatifsTHÈSE PRESENTÉE EN VUE DE L’OBTENTION DU GRADE DE
DOCTEUR
DE
L’UNIVERSITÉ DE LORRAINE
Spécialité : GÉNIE DES SYSTEMES INDUSTRIELS
École Doctorale : SIMPPÉ
SCIENCES ET INGENIERIES DES MOLECULES, DES
PRODUITS, DES PROCEDES ET DE L'ÉNERGIE
Laboratoire : ERPI
Equipe de Recherche sur les Processus Innovatifs
D’un « diagnostic partagé » à « l’action partagée »
: comment le mode projet Living Lab peut alimenter le
processus d’aide à la décision du « faire la ville » en
intégrant les citoyens pour une ville intelligente
By Giang TRAN Thi Hoang
Thesis defended Novembre 13, 2019
Rapporteur M. Emmanuel CAILLAUD - Professeur des Universités, Université de Strasbourg – ICUBE
Rapporteur M. Ludovic KOEHL - Professeur des Universités, ENSAIT- GEMTEX Examinateur Mme. Brigitte TROUSSE – Chargé de Recherche, Université Côte d'Azur,
INRIA
Examinateur Mme. Meriem FOURNIER - Professeur des Universités, Centre INRA Nancy Grand Est
Directeur M. Mauricio CAMARGO - Professeur des Universités, Université de Lorraine Co-Directeur M. Laurent DUPONT – Ingénieur de Recherche, Université de Lorraine
ii
Acknowledgements
First of all, I would like to express my gratitude to my supervisors, Professor Mauricio Camargo and Doctor Laurent Dupont. With their erudition, Professor Mauricio Camargo and have given me precious guidance and invaluable suggestions throughout my PhD study at Equipe de Recherche sur les Processus Innovatifs (ERPI) laboratory and University of Lorraine. I also deeply expressed my gratitude to my co-supervisor Doctor Laurent Dupont for his advice, his support and trust in me and whithout whom this work would never have been done.
I am indebted to all the ERPI team members for their warm reception and assistance in overcoming the difficulties I encountered.
I also present sincere thanks to all my Vietnamese friends who work and study in Nancy for sharing with me the living experiences that could not learn at school.
In addition, and much importantly, I am greatly thankful the funding by the Ministry of Education and Training, Vietnam (MOET) together with Vietnam International Education Development (VIED). This funding gave me a chance to persuade and realize my studied desire.
I would like to thank to my husband and my son. You are the biggest motivation in my life. Last but not least, I also send my thankfulness to my parents, my brother and my family who have always been with me, shared and supported me during my research progress.
iii
Table of content
Acknowledgements ... ii
Table of content ... iii
List of tables ... viii
List of figures ... ix
General introduction ... 1
The scope and research problem ... 1
Objectives of the research ... 2
Organization of the thesis ... 2
Extended Abstract ... 5
Chapter 1 : A state of the art on Smart Cities under Living Lab approach - How can improve the engagement of stakeholders? ... i
Introduction ... i
1.1. An overview about Smart City concept ... iii
1.1.1. Definition of Smart Cities ... iii
1.1.2. Smart Cities and their characteristics ... v
1.1.3. Stakeholders in Smart Cities ... vi
1.2. Living Lab Approach ... ix
1.2.1. Living Lab- a methodology for the collaborative innovation in urban projects ... ix
1.2.2. Phases of Living Lab ... xii
1.3. An overview on Smart City under Living Lab approach ... xiii
1.3.1. The framework of Smart City under Living Lab approach ... xiii
1.3.2. Phases of a Smart City process under Living Lab approach: From concept to model, experiment and evaluation ... xv
1.4. Some considerations on how Living Lab are changing the engagements of stakeholders in Smart City projects by ICT and interoperability ... xv
1.4.1 The influence of ICT in changing stakeholder engagement ... xv
1.4.2. Applying a Living Lab approach supporting stakeholder engagement in Smart City . xvii 1.5. Decision-making process in urban projects ... xix
1.5.1. Decision-making process on multi- scale environment ... xix
1.5.2. Decision-making process in multi-actors environment ... xix
iv Chapter 2 : Application of decision-making methods in Smart City projects: A systematic literature
review ... xxii
Introduction: ... xxii
2.1.1. Categories of decision-making methods ... xxiv
2.1.2 Level of decision ... xxvi
2.2. Methodology ... xxvi
2.2.1. The first search strategy – the first filter ... xxvii
2.2.2. The second search strategy – the second filter ... xxvii
2.2.3. The third filter ... xxvii
2.2.4. The fourth filter ... xxvii
2.3. Results ... xxviii
2.3.1. The first data statistic by VOSviewer ... xxviii
2.3.2. The quantitative review: documents analysis ... xxxi
2.4. Discussion ... xxxvi
2.4.1. Trend of publications ... xxxvi
2.4.2. Level of decision ... xxxviii
2.4.3. Phase of implementation: From concept to model, experiment and evaluation ... xxxix 2.4.4. The involvement of citizens and other stakeholders in group decision making ... xl Conclusion... xl Chapter 3 : Group decision-making process and the conceptual model of group decision-making process under Living Lab approach ... xlii
Introduction: ... xlii 3.1. Overview of a group decision-making process ... xliv 3.2. The role of situation awareness in a decision-making process... xlv 3.3. Consensus reaching process in a group decision making ... xlvi 3.3.1. Preference relations ... xlvii 3.3.2. Measures of consistency and consensus ... xlvii 3.3.3. Type of facilitator in the consensus reaching process ... xlix 3.4. Group decision making and consensus reaching process in a Living Lab environment ... l 3.5. Conceptual models of group decision making in Living Lab environment ... li 3.5.1. The group decision making with an automatic control system ... li 3.5.2. The group decision making with a human facilitator for reaching consensus process ... lii 3.5.3. Comparing three types of consensus process: collaborative, distributed automatic and distributed collaborative. ... liii Conclusion... liv
v Chapter 4 : Proposition of an automatic control system based on Multi- Agent System to support Consensus Reaching Processes ... lv
Introduction ... lv 4.1. Automatic control systems to support Consensus Reaching Processes ... lvii 4.2. The multi-agent systems approach/ paradigm ... lvii 4.2.1. Concept of multi-agent system ... lviii 4.2.2. Definition of multi-agent system ... lviii 4.2.3. Applications of multi-agent systems in decision theory ... lix 4.2.4. Applications of multi-agent system in Living Lab ... lx 4.3. An automatic control system based on multi-agent system for group decision-making process under a Living Lab environment ... lx
4.3.1. The model formalization ... lx 4.3.2. The software implementation ... lxvii Conclusion... lxvii Chapter 5 : Proposition of multi-criteria and multi-stakeholders methodology supporting Consensus Reaching Processes with a human facilitator ... lxviii Introduction ... lxviii 5.1. The group decision-making and Consensus Reaching Processes with a human facilitator . lxx 5.1.1. Group decision-making and the role of a human facilitator ... lxx 5.1.2. ICT- a key role in linking smart government and collaborative process... lxx 5.2. Multi-Criteria Decision Making (MCDM) methodology... lxxi - Step 1: Problem definition (scale and scope) ... lxxii - Step 2: Stakeholder analysis and engagement ... lxxii - Step 3: Definition of alternatives ... lxxiii - Step 4: Definition of criteria ... lxxiii - Step 5: Selection and weighting of criteria ... lxxiii - Step 6: Prioritization of alternatives... lxxiv 5.3. A proposal of methodology for group decision-making process under a Living Lab
environment for Smart City projects ... lxxiv - Step 1: Problem definition - “share diagnosis” ... lxxv - Step 2: Stakeholder analysis and engagement ... lxxv Practical example based on an ERPI case study: “VélOstan connectés” ... lxxvii - Step 3: Definition of alternatives ... lxxx - Step 4: Definition of criteria ... lxxx
vi - Step 5: Selection and weighting of criteria ... lxxx - Step 6: Consensus reaching process... lxxxi - Step 7: Prioritization of alternatives... lxxxiii Conclusion... lxxxiv Chapter 6 : Case study and Experimentation ... lxxxv Introduction ... lxxxv 6.1. Living Lab concept on urban energy planning ... lxxxvii 6.2. Case study description ... lxxxvii 6.2. Experimentation process ... xci 6.2.1. Phase 1: Group work with the same role ... xcii 6.2.2. Phase 2: Group work with different role ... xciii Conclusion... xciii Chapter 7 : A functional mock- up for a group decision-making tool supporting argument and negotiation process ... xcv
Introduction ... xcv 7.1. An overview of computerized group decision making tools ... xcvii 7.1.1. A spread-sheet package ... xcviii 7.1.2. Web-based DSS... xcviii 7.1.3. Group Decision Support Systems Software ... xcviii 7.2. A proposal of group Decision Support Systems tool supporting argument and negotiation process ... xcix
7.2.1. An online interface for group decision-making... xcix 7.2.2. A web- based consensus support system ... cii Conclusion... cv Chapter 8 : Model validation and Result analysis ... cvii Introduction ... cvii 8.1. Results analysis ... cix
8.1.1. The group decision making with human facilitator and ICT based consensus support system ... cix 8.1.2. The group decision-making process with an automatic control system ... cxii 8.2. Model validation ... cxii 8.3. Discussion ... cxiv Conclusions, limitation and perspectives ... cxvi Conclusion... cxvi Contribution ... cxvi
vii Limits and perspectives of this research... cxvii References ... cxix Appendix A ... cxxxviii Appendix B ... cxl
From “shared diagnosis” to “shared action”: how Living Lab process can support decision-making process involving citizen for Smart City ... cxlii Abstract ... cxlii D’un “diagnostic partagé” à “l’action partagée” : comment le mode projet Living Lab peut alimenter le processus d’aide à la décision du « faire la ville » en intégrant les citoyens pour une ville intelligente ... 143 Résumé ... 143
viii
List of tables
Table 1-1 Terms for search article results about the classification of Smart City ______________ iii Table 1-2 Aspects of a Smart City (Giffinger, 2007) ___________________________________ vi Table 1-3 Roles and influence of stakeholders in Smart City _____________________________ vi Table 1-4 Example models of engagement of stakeholders in Smart Cities _________________ vii Table 1-5 Stakeholder engagement tools ____________________________________________ viii Table 1-6 A framework for maturity assessment Living Lab (Osorio et al., 2019) _____________ xi Table 1-7 Case studies using ICT- based solution for changing stakeholder engagement ______ xvi Table 2-1 Characteristics of collaborative Decision making methods in sustainable urban projects ___________________________________________________________________________ xxiv Table 2-2 The first search strategy _______________________________________________ xxvii Table 2-3 Clusters analysis ICT = Information Communication and Technology; IOT = internet of things; GIS = geographic information system. ______________________________________ xxviii Table 2-4 Publications summary _________________________________________________ xxxi Table 3-1 The random consistency index__________________________________________ xlviii Table 3-2 Comparing three types of consensus process _________________________________ liii Table 4-1 The functions of Agents _________________________________________________ lxi Table 5-1 Smart City Stakeholders/Activities Prioritization Matrix _____________________ lxxvi Table 5-2 The relationships between stakeholders (example from VélOstan project, Grand Nancy Métropolis) ________________________________________________________________ lxxviii Table 5-3 Saaty scale used for pairwise comparisons. _________________________________ lxxx Table 6-1 Alternatives and evaluation scale by criteria ______________________________ lxxxix Table 6-2 Workshop information ___________________________________________________ xc Table 8-1 The basic result of workshop. _____________________________________________ cx Table 8-2 The result from workshop on 17/10/2018 about relation between profile and consensus cx Table 8-3 : Expert validation for the proposed model _________________________________ cxiii Table 8-4 The summary discussion about proposed models _____________________________ cxv
ix
List of figures
Figure 1-1 The percentage of different subject areas of “Smart City”- studies referenced in Scopus database on the period until 17th June 2019 ___________________________________________ iv
Figure 1-2 Iteration cycle within a Living Lab (Lehmann et al., 2015) which is inspired from (Ståhlbröst, A., & Holst, 2012) ___________________________________________________ xiii Figure 1-3 A comparison of engagement of stakeholders in urban projects under different
approaches ___________________________________________________________________ xix Figure 1-4 Classification of various types of round-table groups (Eräranta, 2013) ____________ xx Figure 2-1 Flow diagram of the literature selection process. ____________________________ xxvi Figure 2-2 A network analysis of 606 publications by VOSviewer software mcdm = multi-criteria decision-making, ahp = Analytic Hierarchy Process _________________________________ xxviii Figure 2-3 The evolution over time of keywords _____________________________________ xxx Figure 2-4 A visual diagram of density distribution of keywords ________________________ xxxi Figure 2-5 Distribution of publications from 2005 to 2018 ___________________________ xxxvii Figure 2-6 Distribution of 76 publications according to main characteristics (a), and decision-making methods (b) used in Smart City projects between 2008 and 2018 _______________ xxxvii Figure 2-7 Distribution of 76 publications by level of decision-making and phases of
implementation ______________________________________________________________ xxxix Figure 3-1Group decision-making process in traditional way (a) (Herrera et al., 1995) and updated version (b) (Butler and Rothstein, 2007) ___________________________________________ xliv Figure 3-2 Dimensions of decisions under Living Lab approach _________________________ xlv Figure 3-3. Team situation awareness (Endsley, 1995) ________________________________ xlvi Figure 3-4 The evolution of situation awareness during a decision-making process (Eräranta, 2013) ___________________________________________________________________________ xlvi Figure 3-5 General consensus reaching process in group decision making (Palomares & Martinez, 2013) ______________________________________________________________________ xlix Figure 3-6 The consensus reaching process with automatic control system __________________ lii Figure 3-7 The consensus reaching process supervised by human facilitator ________________ liii Figure 4-1 The global representation of the multi-agent system for collaboration ____________ lxii Figure 4-2 The communication model of agents in multi-agent system ___________________ lxiii Figure 4-3 Examples of change functions __________________________________________ lxiv Figure 5-1 The MCDM methodology (Langemeyer et al., 2016) ________________________ lxxii
x Figure 5-2 The proposal multi-criteria and multi-stakeholders methodology under a Living Lab environment _________________________________________________________________ lxxv Figure 5-3 Hierarchy for judging weight of stakeholders (Saaty, 1990a) _________________ lxxvii Figure 5-4 “VélOstan Connecté” workshop at LF2L Platform, 16/03/2016 (Picture from UL-ERPI-LF2L) ____________________________________________________________________ lxxviii Figure 5-5 The map of stakeholders (example from VeloStan project, Grand Nancy) ________ lxxx Figure 5-6 AHP graphical representation ___________________________________________ lxxx Figure 5-7 The scheme of code and explanation ___________________________________ lxxxiii Figure 6-1 The photo of workshop of IUVTT students on 17/10/2018 (Picture from UL-ERPI) _ xci Figure 6-2 The schedule of workshops ____________________________________________ xcii Figure 7-1 An example of user interface for group decision making_________________________ c Figure 7-2 Graph of preference of all decision-makers in group ___________________________ ci Figure 7-3 An example of recommendation from algorithms in Matlab® software ___________ cii Figure 7-4 The welcome interface _________________________________________________ ciii Figure 7-5 The log-in page _______________________________________________________ ciii Figure 7-6 The setting up page ____________________________________________________ civ Figure 7-7 The evaluation page ___________________________________________________ civ Figure 7-8 Firebase database ______________________________________________________ cv Figure 7-9 Firebase Database Room Example _________________________________________ cv Figure 8-1 Changes in preferences of participants in charge of different roles _______________ cix Figure 8-2 Changes in consensus degree after rounds of negotiation ______________________ cxi Figure 8-3 Changes in consensus degree of stakeholders ______________________________ cxii
1
General introduction
Research on decision support tools is positioned at the intersection of several disciplinary fields which concerns psychology, sociology, science management, economics, law, but also mathematics or the operational research. Furthermore, cities are complex and this complexity askes for new knowledge and science to understand and manage them (Batty et al., 2012). In this context, Smart City concept appears at the frontier of new technologies, management methods and knowledge. Our study will focus more specifically on the shared decision of stakeholders in Smart City projects. Although we do not avoid using many of these disciplines, our study is more specifically focus on science management and operational research under the vision of the project and decision engineering.
The scope and research problem
Since more than a decade, Living Lab is becoming a popular concept to design new solutions through the integration of communities of users. These solutions are then, co-designed, tested and evaluated within the natural environment of the users. The Living Lab concept has been applied to different fields such as well-being, education, rural areas among others. But, maybe the field where this concept has been more adopted and applied is the smart cities (Bakici et al., 2013; Cardone et al., 2014; Cosgrave et al., 2013; Dupont et al., 2014; Naphade et al., 2011; Pallot et al., 2010; Skiba, 2014).
Having a central role of infrastructure in Smart Cities, technology should be at the service of citizens helping to produce and transfer knowledge and creating values but not only through the market. Information and Communications Technologies (ICT), regarding the Smart City concept relates to smart embedded devices; ranging from smartphones to sensors, smart meters and other instrumentation sustaining the intelligence of the city. Data coming from these sensors, or integrated networks, can provide citizens with real-time and location-based information. Furthermore, the open data from government entities create additional opportunities for developing new services that citizens can use to add relevance and value to the information and create applications.
The role that ICT plays in cities is the same one that these technologies have in organizations and that has been largely described in Information Systems literature and organization studies: improving productivity (i.e. output divided input) through automatic routine processes and by powering managers’ decision-making, planning and control activities. Living in a wide ecosystem of a Smart City, citizens can be in a permanent relationship with their neighborhoods. As a consequence, citizens are not only engaged actively into urban problems but also informed to see the city itself "as something they can collectively tune, such that it is efficient, interactive, engaging, adaptive and flexible" (Cities, 2010). In a complex and multi-scalar context of Smart City, stakeholders face an overflow of information. The huge and available information is not only an advantage condition for stakeholders but also be a challenge for wiser management of authorities. Several current research on the Smart City concept have emphasized the level of engagement of stakeholders, especially citizens, in the co-production of services and the decision-making
2
process. Making decisions under these rapidly changing conditions of Smart City requires a holistic understanding and ability of systemic thinking. However, discussions about decision-making processes and collaboration in Smart City projects still lack an overall picture and systemic understanding (Eräranta and Staffans, 2015).
There are several research questions have raised, such as:
- How many steps are needed in the co-creating process supported by a Living Lab towards the realization of Smart City projects?
- How to build a group decision- making process involving groups of stakeholders with different roles, skills knowledge and expertise?
- Which modeling technique is the most relevant to represent a system of Smart City? - How to support close to a real-life environment while providing a higher level of stakeholder’s engagement during the co-creation stage of the innovation process supported by a Living Lab?
- How to keep the key role of citizens in every stage of the co-creating process supported by a Living Lab towards the realization of Smart City?
Objectives of the research
The main goal of the study will be the research of the methodology for decision-making processes that involve citizens in an active way and to propose and operationalize a conceptual framework enabling project stakeholders to follow the decision-making process within a Living Lab Project.
In order to reach this main goal, several particular objectives have listed that must include at least:
A state of the art on how ICT and interoperability are changing the citizen engagements and the way the cities are managed
A descriptive on how Living Lab group decision-making process is realized
A study of the decision-making tools that potentially could be integrated to ease this process or involve all interested parties
A framework to integrate the process
The illustration of this framework through the current and past demonstrators of the ERPI Laboratory.
Organization of the thesis
3
General introduction Research context
Chapter 1: A state of the art on Smart Cities under Living Lab approach - How can
improve the engagement of stakeholders? This chapter proposes an overview focusing on the Smart City concept under Living Lab approach. Besides, this chapter presents a state of the art on applying Living Lab and ICT – based solutions to engage stakeholders, especially citizens.
Chapter 2: Application of decision-making methods in Smart City projects: A systematic literature review. Presents a systematic literature review methodology
on decision-making methods enabling communication between multi-stakeholders implication into various phases of Smart City projects.
Conceptual framework
Chapter 3: Group decision-making process and the conceptual model of group decision-making process under Living Lab approach. The chapter illustrates the
consensus reaching process in group decision- making as a generic scheme. This scheme continues to exploit and classify by to develop two types of conceptual framework with multi-stakeholders, a framework for a large scale group without a moderator and a framework guided by a human facilitator and support system tools.
Model development
Chapter 4: Proposition of an automatic control system based on multi-agent system to support Consensus Reaching Processes. The proposition of a general
4
methodology is developed for an automatic reaching consensus in large scale groups of decision makers without a facilitator or direct interaction.
Chapter 5: Proposition of multi-criteria and multi-stakeholders methodology supporting Consensus Reaching Processes with a human facilitator. The
proposition of a general methodology is designed for a consensus reaching process supervised by human facilitator and supported by an ICT- based tool.
Case study application and results
Chapter 7: Case study and Experimentation. The parameters to analyse the
potential performances to design a Living Lab decision making for Smart City case studies.
Chapter 6: A functional mock-up for a group decision-making tool supporting the argument and negotiation process. Based on the needs of experimentation, this
chapter developed online interfaces as decision-making tools for communication and negotiation of stakeholders in Living Lab environment. The first one developed in Excel Office, and the second is a web–based solution.
Chapter 8: Model validation and Result analysis Conclusion
5
Extended Abstract
Introduction
Les villes sont par nature complexes et cette complexité exige une science et des connaissances nouvelles pour mieux comprendre les phénomènes et les gérer (Batty et al., 2012). Dans ce contexte, le concept de Smart City se développe à la frontière des nouvelles technologies, le management des méthodes et des connaissances. A l'ère actuelle, les projets de Smart City doivent faire face à de grands défis sociétaux, écologiques et technologiques tels que la numérisation, la pollution, les aspirations démocratiques, la nécessité d'être en sécurité, etc. L'implication accrue de multiples acteurs (citoyens, usagers, ingénieurs, chercheurs, élus, etc.) dans les différentes phases des projets, est une stratégie qui permet de prendre en compte des perspectives variées et de développer ainsi une vision partagée de la ville. Paradoxalement, la nature dynamique et multiple des intervenants semble être une source de complications et d'incertitude dans le processus décisionnel. Notre étude se concentre plus particulièrement sur la décision partagée entre parties prenantes au sein des projets Smart City
Les recherches sur les outils d'aide à la décision se situent à l'intersection de plusieurs disciplines telles que la psychologie, la sociologie, les sciences de gestion, l'économie, le droit, mais aussi les mathématiques ou les recherches appliquées. Bien que nous nous appuyions sur plusieurs des disciplines précédemment citées, notre approche se concentre plus particulièrement sur les sciences du management de l’innovation et des technologies. Avec un rôle central d'infrastructure pour les villes intelligentes, la technologie devrait être au service des citoyens en les aidant à produire et à transférer des connaissances et à créer de la valeur au delà du marché économique. Les Technologies de l'Information et des Communications (TIC), dans le cadre de la ville intelligente, regroupent les dispositifs intelligents intégrés des téléphones intelligents aux capteurs, ou autres compteurs communicants et divers instruments qui soutiennent « l'intelligence » de la ville. Les données provenant de ces capteurs, ou réseaux intégrés, peuvent fournir aux citoyens des informations en temps réel. En outre, les données ouvertes issues des entités gouvernementales sont une ressource supplémentaire permettant de développer des services nouveaux à dispositon des citoyens. Ces derniers peuvent les utiliser pour ajouter de la pertinence et de la valeur à l'information existante, voire créer des applications partagées au service du plus grand nombre.
Le rôle que jouent les TIC dans les villes est le même que celui que ces technologies ont dans les organisations et qui a été largement décrit dans la littérature sur les systèmes d'information et les organisations : améliorer la productivité par des processus de routine automatiques et en renforçant les gestionnaires dans la prise de décision, la planification et le contrôle des activités.
Les citoyens, en vivant dans un vaste écosystème de Smart City, peuvent être en interaction permanente avec leurs environnement. Par conséquent, ils sont non seulement activement engagés dans la problématique urbaine, mais ils ont la possibilité de voir la ville « comme
6
quelque chose qu'ils peuvent collectivement régler, de sorte qu'elle soit efficace, interactive, engageante, adaptative et flexible » (Cities, 2010). Dans un contexte complexe et multi-échelle de Smart City, les parties prenantes sont en revanche confrontées à un débordement d'informations. L'énorme quantité d'informations disponibles n'est pas seulement un avantage pour les parties prenantes, mais aussi un défi pour une gestion plus structurée pour les autorités. Plusieurs recherches en cours sur le concept de ville intelligente ont mis l'accent sur le niveau d'engagement des intervenants, en particulier des citoyens, dans la coproduction de services et le processus décisionnel. La prise de décisions en projet Smart City, dans ces conditions d’évolution rapide, exige une compréhension holistique et une capacité de pensée systémique. Cependant, les discussions sur le processus de prise de décision et la collaboration dans Smart City manquent encore d'une vision globale et d'une compréhension systémique (Eräranta & Staffans, 2015).
Depuis la fin des années 2000, Living Lab est devenu un concept populaire pour concevoir de nouvelles solutions grâce à l'intégration de communautés d'utilisateurs aux différentes phases des projets. Ces solutions sont ensuite co-conçues, testées et évaluées de manière ouverte dans l'environnement naturel des utilisateurs. Le concept Living Lab a été appliqué à différents domaines tels que le bien-être, l'éducation, des projets en zones rurales, etc. Mais, le domaine où ce concept a été le plus adopté et appliqué semble être celui de la smart city ou ville intelligente (Bakici et al., 2013; Cardone et al., 2014; Cosgrave et al., 2013; Dupont et al., 2014; Naphade et al., 2011; Pallot et al., 2010; Skiba, 2014).
Ainsi à Nancy, un projet de rénovation urbaine est en cours autour de la gare depuis 2005 (ZAC et EcoQuartier Nancy Grand Cœur). Le Lorraine Smart Cities Living Lab développé par le laboratoire ERPI a accompagné la Métropole du Grand Nancy (ex-CUGN) pour co-concevoir avec les usagers ce projet d'éco-quartier de 2010 à 2014.
De 2012 à 2014, les chercheurs ont conçu des ateliers opérationnels avec des citoyens et des techniciens pour travailler à la mise en place de stations de mobilité innovantes sur la place Charles III ou encore pour concevoir des espaces publics durables et innovants. Au final, sur l’ensemble du processus, environ 300 citoyens (c'est-à-dire l'ensemble des participants, professionnels ou non) ont été mobilisés dans 31 ateliers pendant 5 ans. Les publications scientifiques basées sur ce projet ont conclu que les auteurs ont réussi à partager les connaissances entre les intervenants et à identifier les attentes et les besoins des participants (Dupont et al., 2016). Cependant, si on ne prend que le cas de la place Charles III, les décisions finales concernant l'installation d'une station de mobilité sur cette place nancéienne n’ont pas associé l’ensemble des parties prenantes et la réalisation finale ne tient pas compte de l’ensemble des attentes et des besoins des participants. Les chercheurs ont analysé, renforcé et ajouté de la valeur à l'étape du diagnostic initial du projet urbain, en revanche il existe encore un écart entre le diagnostic partagé et l'action partagée (Dupont et al., 2015). Dans le cadre d’une approche Living Lab qui puisse s’appliquer à toute les étapes du projet de Smart City (de sa co-conceeption à sa co-évaluation en passant par l’arbitrage des décisions et la mise en œuvre), il y a une demande pour une méthodologie soutenant le processus de décisions partagées entre les parties prenantes. Il s'agit d'une étape indispensable pour passer du diagnostic partagé à l'action partagée.
Plusieurs questions de recherche ont été soulevées, telles que :
- Combien d'étapes sont nécessaires dans le processus de co-création soutenu par un Living Lab pour la réalisation d’un projet Smart City ?
7
- Comment construire des processus de prise de décision en groupe impliquant des acteurs ayant des rôles, des compétences, des connaissances et des expertises différentes ?
- Quelle technique de modélisation est la plus pertinente pour représenter un système de Smart City et la diversité des points de vue ?
- Comment soutenir un environnement proche de la réalité tout en assurant un plus haut niveau d'engagement des parties prenantes lors de la phase de co-création du processus d'innovation soutenu par un Living Lab ?
- Comment maintenir le rôle clé des citoyens à chaque étape du processus de co-création soutenu par un Living Lab vers la réalisation d’une Smart City ?
Objectifs de la recherche
Les objectifs principaux de l’étude sont : d’étudier la méthodologie de prise de décision qui implique les citoyens de manière active ; de proposer et de mettre en œuvre un cadre conceptuel permettant aux parties prenantes du projet de suivre le processus de décision dans le cadre d’un projet Living Lab. L’intuition forte est la suivante : plus les décideurs sont bien informés sur les points d'accord et de désaccord, plus il est facile de parvenir à un consensus. Obtenir un consensus, i.e. légitimer un processus décisionnel de groupe, est souvent difficile à atteindre en raison des attentes, besoins et comportements différents entre les parties. La présente recherche pose comme hypothèse principale que l’alliance entre l’intervention humaine et les outils automatiques pourrait faciliter le processus de consensus en identifiant les points de conflit et en suivant leur évolution après plusieurs cycles de discussion. Afin d'atteindre cet objectif principal, plusieurs objectifs secondaires ont été listés, comprenant:
Un état de l'art sur la manière dont les TIC et l'interopérabilité changent les engagements des citoyens et la gestion des villes
Une description de la façon dont un processus de prise de décision de groupe dans le cadre de l'approche Living Lab est réalisé.
Une étude des outils d'aide à la décision pouvant potentiellement être intégrés pour faciliter ce processus ou impliquer toutes les parties intéressées
Un cadre pour intégrer le processus
L'illustration de ce cadre à travers les démonstrateurs actuels et passés du laboratoire ERPI.
Organisation de la thèse
Notre étude comporte quatre volets : le contexte de recherche, l'élaboration d'un modèle, une maquette fonctionnelle des outils d'aide à la décision et, enfin, l'application et le résultat des études de cas.
8
Contexte de la recherche
Cette partie traite du concept de ville intelligente et de l'engagement des parties prenantes, en particulier des citoyens, suivi d'une introduction de l'approche Living Lab en tant que facilitateur possible de l'innovation ascendante (bottom-up). Ensuite, plusieurs études de cas de Smart City utilisant des solutions basées sur les TIC pour tenir compte ou changer l'engagement des parties prenantes ont été examinées.
Selon l'analyse documentaire, l'utilisation des TIC génère une ville plus intelligente, car elle améliore l'efficience et l'efficacité des processus, activités et services d'innovation de la ville. En outre, les études mettent également l'accent sur l'engagement des citoyens sur leurs rôles et leur impact sur le développement des villes intelligentes. Un bon équilibre entre les processus ascendants (y compris le partage des décisions et la réalisation d’actions avec les citoyens) et l’usage des technologies est un moyen souhaitable pour la gestion des villes intelligentes.
Dans cette partie, notre recherche contribue d'abord en une revue systématique de la littérature sur la prise de décision dans la Smart City comme entrée de données brutes pour l'étude. Nous avons utilisé la base de données Scopus. À partir de 606 articles potentiels de 2005 à 2018 extraits de la base de données Scopus®, un processus bibliométrique a permis de sélectionner 76 de ces articles décrivant différents modes de décision. Ces 76 références significatives ont été triées par thématique des villes intelligentes. D'après les examens catégoriels (Chai et al., 2013), les méthodes de prise de décision sont classées en quatre groupes : prise de décision multicritères (MCDM), programmation mathématique (MP), intelligence artificielle (AI), et méthodes intégrées (IM). Dans cette étude, les méthodes de prise de décision ont été examinées sous trois aspects : (1) les niveaux de décision, (2) les phases de mise en œuvre et (3) la participation et la négociation des parties prénantes. Une approche qualitative, sur l’ensemble des données bibliométriques à l’aide de VOS Viewer, montre que la question des méthodes de prise de décision est un problème de recherche récent, assez peu étudié par la communauté universitaire. Par conséquent. L’analyse passe ainsi en revue les recherches sur les méthodes de prise de décision permettant l’échange entre les multiples parties prenantes, en particulier l'implication des citoyens dans les différentes phases des projets « Smart City ».
Une cartographie générale des différentes méthodes de prise de décision est établie à différents niveaux de décision et à différentes phases de mise en œuvre. On constate que les méthodes de MCDM sont employées à tous les niveaux de décision et tout au long des étapes des projets Smart City alors que les méthodes informatisées sont largement utilisées pour prendre des décisions opérationnelles et tactiques sur des problèmes concrets. Par ailleurs, les résultats obtenus permettent de déduire que la MP et l'AI sont les méthodes les plus appliquées pour développer des outils de prise de décision aux niveaux opérationnel et tactique et principalement au début des phases de mise en œuvre des processus du projet. Sur le plan pratique, la plupart des outils et boite à outils d'aide à la décision ont été élaborés et mis à l'essai par des scientifiques alors qu'ils n'impliquaient guère les parties prenantes. Dans les cas de participation, les parties prenantes ont rarement l'occasion de négocier pour parvenir à un niveau d'accord plus élevé.
Élaboration du modèle
Le terme consensus peut être défini comme un état d'accord mutuel entre les membres d'un groupe, lorsque la décision prise les satisfaits tous. Parvenir à un consensus implique
9
normalement que les participants changent leurs opinions initiales dans un processus de discussion, tendant à les rapprocher les unes des autres, vers une opinion collective finale qui satisfait l'ensemble du groupe. En cas d'impossibilité de parvenir à un consensus, une recommandation est envoyée en retour aux parties prenantes pour modifier leurs préférences afin d'accroître le niveau d'accord lors des cycles de négociation suivants.
Dans cette partie nous cherchons à développer une méthodologie favorisant l'atteinte d'un consensus dans un environnement Living Lab. Les méthodologies, incluant deux types de consensus, le premier via un facilitateur humain et le second via un système de supervision automatique qui remplace les actions du facilitateur, sont développées à partir de modèles conceptuels (Palomares et al, 2013).
Tout d'abord, une méthodologie basée sur un système multi-agents est développée pour parvenir automatiquement à un consensus au sein d'un grand groupe de décideurs, sans facilitateurs et sans interaction directe. Les composants clés de notre système de contrôle automatique sont : les mécanismes et protocoles de communication considérés pour permettre aux agents de communiquer entre eux et les algorithmes de la méthode multi-agent. La formalisation du modèle consiste en deux tâches : la création d'un modèle narratif et l'expression de ce récit en pseudo-code. En utilisant une méthode basée sur un système multi-agents pour la prise de décision de groupe dans le cadre d’un projet en mode « Living Lab ». Le modèle proposé s'adapte à la complexité et à la dynamique de la prise de décision au sein d'un grand groupe.
Ensuite, une deuxième méthodologie associant un facilitateur humain basée sur l’analyse multicritère et les systèmes multi-agents est proposée. Cette nouvelle méthodologie peut soporter le processus de prise de décision collective des projets urbains d'innovation et permettre une participation active de multiples parties prenantes. La méthodologie proposée est appliquée en plusieurs étapes permettant de structurer et formaliser les processus décisionnels d'une manière transparente et cohérente. Elle permet de comparer les différentes options décisionnelles en fonction d'un ensemble de critères d'évaluation auxquels différents coefficients de pondération, représentant le degré d'importance, peuvent être appliqués. Par ailleurs, une approche système multi-agents est proposée pour soutenir une supervision constante, en augmentant l'autonomie du système pendant le processus de recherche de consensus. L'approche du système multi-agents comprend deux parties, un système de contrôle automatique du niveau de consensus et une recommandation de rétroaction aux intervenants. Concrètement, il existe deux types de recommandations pour les parties prenantes : 1) un graphique visuel révélant la diversité des opinions des participants dans une prise de décision en groupe et 2) une rétroaction automatique basée sur l'approche système multi-agents. Pour les participants qui ont besoin de modifier leurs préférences lors du processus de recherche de consensus les recommandations automatiques de retour d'information ont été programmées sur le logiciel Matlab®.
Une maquette fonctionnelle pour les outils d'aide à la décision
Les systèmes informatisés avancés d'aide à la décision peuvent générer des recommandations basées sur des informations concernant le niveau de consensus d'un
10
groupe et les préférences des autres membres pour aider les décideurs dans leur processus décisionnel. En utilisant cet outil de soutien informatisé, le modèle intégrant le processus d'obtention d'un consensus dans la méthodologie de prise de décision multicritères devrait tirer parti à la fois des outils basés sur les TIC et du rôle d'un modérateur humain. Comparativement aux processus décisionnels de groupe uniquement accompagnés par des modérateurs, l’outil d'aide à la décision devrait raccourcir le temps de réponse pour la prise de décisions et réduire le nombre de participants qui ont dû réviser leurs évaluations à chaque tour de discussion.
Cette partie présente une maquette fonctionnelle basée sur la méthodologie proposée qui met l'accent sur la façon dont les citoyens peuvent participer à la prise de décision collective des services Smart City. Il existe deux types d'outils d'aide à la décision.
Le premier outil inclut deux composantes principales : un modèle Excel en ligne pour l'interface utilisateur et un algorithme de système multi-agents pour la formulation du processus de négociation et la formulation de recommandations en retour. L'interface utilisateur en ligne est créée à l'aide du modèle Excel Drive qui est accessible pour tous les intervenants ou participants impliqués dans des problèmes de décision de groupe. L'outil proposé permet aux participants d’avoir les informations sur toutes les préférences et les évaluations des autres décideurs au moyen de graphiques visuels. Les participants utilisent ces graphiques comme moyen de recommandation visuelle pour identifier la différence entre leurs préférences et celles des autres ainsi que l’alternative choisie par la plupart des membres du groupe.
La seconde est une maquette de logiciel basée sur le Web qui intègre à la fois l'interface utilisateur et l'algorithme de consensus pour créer des recommandations. Le site comprend une interface de bienvenue, une page de connexion et des pages de configuration et de recommandation. Après s'être réunis dans les salles de discussion, tous les participants peuvent accéder à la page d'évaluation pour pondérer les critères et les alternatives. Lorsque tous les membres d'un groupe ont terminé l'évaluation, un graphique visuel et une recommandation linguistique sont affichés dans l'onglet de recommandation.
En général, ces outils d'aide à la décision sont conçus comme interface utilisateur qui facilite la participation de nombreux groupes à un processus décisionnel transparent et actif. Nos premières expériences nous amènent à conclure que plus on fournit d'information aux participants sur le processus de décision, plus il est facile pour eux d'arriver à un consensus. Une application d'étude de cas et son résultat
Afin de mettre en œuvre les modèles proposés dans les chapitres précédents, cette section vise à mettre en place un "banc d'essai" proposé en environnement réel simulé avec un groupe d’étudiants du cycle ingénieur de l’ENSGSI et des masters IUVTT et IDEAS. La stratégie expérimentale de notre étude comprend les étapes suivantes. Dans un premier temps, une étude de cas appropriée est sélectionnée pour l'exécution de modèles dans une configuration expérimentale. Dans cette étude de cas issue d’une étude réalisé sur la ville de Messine (Italie) (Cavallaro, 2011), plusieurs intervenants sont engagés dans la planification d'une solution d'énergie renouvelable pour leur ville dès les phases initiales des projets. Afin de prendre en compte les multiples critères exprimant les objectifs de toutes les parties
11
prenantes impliquées et affectées par la planification énergétique et la performance du système énergétique, la méthodologie coopérative supervisée multicritères et multipartite est appliquée pour soutenir la négociation et le processus décisionnel partagé.
Dans le processus de mise en œuvre, l'exécution comprend l'exécution d'un programme informatique basé sur des mesures consensuelles et l'enregistrement des données de sortie. Ensuite, les données sont analysées à partir des résultats des simulations, des graphiques qui ont été faits du processus décisionnel au fil du temps. Enfin, nous présentons une discussion et une conclusion.
Tout au long de l'utilisation des deux méthodes, nous pouvons comparer la différence entre le modèle théorique et un processus d'expérimentation d'outils d'aide à la décision dans la vie réelle. Les résultats de l'analyse des données issues de l'expérimentation fournissent des suggestions pour améliorer le processus de prise de décision des parties prenantes ayant des objectifs et des antécédents divers dans les projets Smart City. Les résultats montrent également qu'il existe plusieurs facteurs dans la prise de décision au sein du groupe qui contribuent de manière significative à améliorer le processus d'obtention d'un consensus.
Conclusion et perspectives
La principale contribution de notre étude est une méthodologie soutenant le processus de décisions partagées pour les parties prenantes des projets Smart City sous l'approche Living Lab. Il s'agit d'une étape indispensable entre le diagnostic partagé et l'action partagée. Cependant, certaines limites de la contribution doivent être soulignées, afin de les replacer dans une perspective plus large. Dans une mise en pratique de situations de prise de décision, le groupe de participants et l'ensemble des alternatives peuvent varier dans le temps. Pour répondre à ces situations, un nouveau modèle de consensus doit se préoccuper de ces propriétés dynamiques des communautés réelles et permettre de changer les alternatives des problèmes.
Par ailleurs, l'étude de cas et l'atelier sont conçus pour un projet Smart City à Messine (Italie) avec des étudiants français ou internationaux. En raison des différences de contexte, de culture et d'institution politique, les futurs ateliers avec de véritables parties prenantes dans différents pays devraient modifier la procédure pour s'assurer que les modèles et les maquettes fonctionnelles fonctionnent toujours de manière efficiente et exacte. Dans la poursuite de cette thèse, il y aura plusieurs ateliers avec des étudiants et des professionnels en formation continue qui nous offrent l’opportunité d'améliorer et de valider des prototypes fonctionnels pour des outils soutenant le processus de consensus dans des conditions réelles.
References:
Bakici, T., Almirall, E., Wareham, J., 2013. A Smart City Initiative: The Case of Barcelona. J. Knowl. Econ. 4, 135–148. https://doi.org/10.1007/s13132-012-0084-9
Batty, M., Axhausen, K.W., Giannotti, F., Pozdnoukhov, A., Bazzani, A., Wachowicz, M., Ouzounis, G., Portugali, Y., 2012. Smart cities of the future. Eur. Phys. J. Spec. Top. 214, 481–518. https://doi.org/10.1140/epjst/e2012-01703-3
Cities, S., 2010. Transforming 21st Century city via the creative use of technology. ARUP, London, Sept.
12 Cardone, G., Cirri, A., Corradi, A., Foschini, L., 2014. The participact mobile crowd sensing
Living Lab: The testbed for smart cities. Commun. Mag. IEEE 52, 78–85.
Cosgrave, E., Arbuthnot, K., Tryfonas, T., 2013. Living Labs, innovation districts and information marketplaces: A systems approach for smart cities. Procedia Comput. Sci. 16, 668–677.
https://doi.org/10.1016/j.procs.2013.01.070
Dupont, L., Morel, L., Hubert, J., Guidat, C., 2014. Study case: Living Lab Mode for urban project design: Emergence of an ad hoc methodology through collaborative
Dupont, L., Morel, L., Pallot, M., 2016b. Exploring the Appropriateness of Different Immersive Environments in the Context of an Innovation Process for Smart Cities, in: 22nd ICE/IEEE International Technology Management Conference.
Eräranta, S., 2013. SITUATION AWARENESS IN URBAN PLANNING – Case: Mobility Planning Decision-making in Otaniemi campus and T3 area. AALTO UNIVERSITY, School of Arts, Design and Architecture.
Naphade, M., Banavar, G., Harrison, C., Paraszczak, J., Morris, R., 2011. Smarter cities and their innovation challenges. Computer (Long. Beach. Calif). 44, 32–39.
Palomares, I., Martinez, L., 2013. A Semi-Supervised Multi-Agent System Model to support Consensus Reaching Processes. IEEE Trans. Fuzzy Syst. 22, 762–777.
Pallot, M., Trousse, B., Senach, B., Scapin, D., 2010. Living Lab Research Landscape : From User Centred Design and User Experience towards User Cocreation. Technol. Innov. Manag. Rev. 1, 19–25.
Skiba, N., 2014. Processus d’innovation centrée utilisateur: identification des besoins et
interprétation des données issues de l’intégration des utilisateurs au processus de conception. Université de Lorraine.
i
SECTION 1: RESEARCH CONTEXT
: A state of the art on Smart Cities under Living Lab
approach - How can improve the engagement of
stakeholders?
IntroductionIn the current era, Smart City projects have to deal with big social, ecological and technological challenges such as digitalization, pollution, democratic aspirations, need to feel safe, etc. The higher involvement of multi-stakeholders (such as citizens, users, engineers, researchers, elected representatives, etc.) into the different project’s phases is one of the answers allowing considering the variety of points of view needed to get a shared vision of the city. Paradoxically, these dynamic and the multiple natures of stakeholders appear to be a source of complication and uncertainty in decision-making process.
This chapter will provide an overview of Smart City under Living Lab approach, in order to allow the readers to understand the background of this study. The literature review in this chapter proves that applying Living Lab approach and ICT based- solutions will improve the level of engagement of stakeholders and change the way of Smart City management.
ii
Chapter 1 : A state of the art on Smart Cities under Living Lab approach - How can improve the engagement of stakeholders? ... Erreur ! Signet non défini.
Introduction ... Erreur ! Signet non défini. 1.1. An overview about Smart City concept ... Erreur ! Signet non défini. 1.1.1. Definition of Smart Cities ... Erreur ! Signet non défini. 1.1.2. Smart Cities and their characteristics ... Erreur ! Signet non défini. 1.1.3. Stakeholders in Smart Cities ... Erreur ! Signet non défini. 1.2. Living Lab Approach ... Erreur ! Signet non défini.
1.2.1. Living Lab- a methodology for the collaborative innovation in urban projects ... Erreur ! Signet non défini. 1.2.2. Phases of Living Lab... Erreur ! Signet non défini. 1.3. An overview on Smart City under Living Lab approach Erreur ! Signet non défini. 1.3.1. The framework of Smart City under Living Lab approach .. Erreur ! Signet non
défini.
1.3.2. Phases of a Smart City process under Living Lab approach: From concept to model, experiment and evaluation ... Erreur ! Signet non défini. 1.4. Some considerations on how Living Lab are changing the engagements of stakeholders in Smart City projects by ICT and interoperability ... Erreur ! Signet non défini.
1.4.1 The influence of ICT in changing stakeholder engagement .. Erreur ! Signet non
défini.
1.4.2. Applying a Living Lab approach supporting stakeholder engagement in Smart City ... Erreur ! Signet non défini. 1.5. Decision-making process in urban projects ... Erreur ! Signet non défini. 1.5.1. Decision-making process on multi- scale environmentErreur ! Signet non défini. 1.5.2. Decision-making process in multi-actors environmentErreur ! Signet non défini. Conclusion
iii 1.1. An overview about Smart City concept
1.1.1. Definition of Smart Cities
Cities are increasingly growing to become larger and more complex than ever. As a consequence, dealing with issues such as mobility, pollution, health risk or new infrastructure among others, couldn't be treated anymore exclusively by city authorities, merely with traditional top-down approaches, but also integrating active participation of users and other stakeholders. The definitions of Smart City are various as this notion is being known popularly all over the world with different names and in different circumstances.
First of all, we focus on understanding possible meanings of the term “smart” in the Smart City context (Nam and Pardo, 2011). Some studies suggest that “smart” contains the term “intelligent,” because the smartness is realized only when an intelligent system adapts to the needs of users. In urban planning field, smartness in smart growth is treated as a normative claim and ideological dimension. Smart Cities require strategic developments targeting sustainable development, economic growth, and better quality of life for citizens (Huntley et al., 2003) (Schaffers et al., 2011). Therefore, authorities at all levels have to well understand about the notion of "smart" to develop their new policies, strategies, and programs in a "smart" way.
The smartness in smart technologies embraces the rapid development of technology, integrates systems and computers or robots that have human intelligence. Applications of Artificial intelligence and thinking machines in technology create cities with characteristics of “self-configuration, self-healing, self-protection, and self-optimization" (Spangler et al., 2010)). Besides, smart buildings, smart airports, smart hospitals or smart university campuses require connected sensors and actuators, mobile terminals as well as embedded devices to use space more efficiently and support a more flexible work environment (Klein and Kaefer, 2008). Smart ecosystem is an extension of the larger community and improves the active engagement of stakeholders in the development of technology (Yovanof and Hazapis, 2009).
Besides, there are ranges of conceptual variants generated by replacing “smart” with other alternative adjectives. In this study, an initial search was conducted on 17th June 2019 to identify the distribution of research articles in Smart City classification areas from the Scopus database. The queries used keywords contained “Smart City” or relevant terms of Smart City classification areas (i.e., “digital city,” “ubiquitous city,” etc.) (Anthopoulos and Fitsilis, 2013). The table 1-1 shows the number of publications related to different classification of “Smart City” term. A search strategy used classification areas of Smart City as selected terms in title, abstract or keywords to collect articles and conference papers from the Scopus database. It could be noticed that the term “Smart City” is discussed most with 14452 works.
Table 0-1 Terms for search article results about the classification of Smart City
Term SCOPUS
Smart City 14452
Digital city 705
Virtual city/information
iv
Knowledge based city 16 Wireless city/mobile city 95 Ubiquitous city 111
Eco-city 513
In further analysis from Scopus, we found that the topic Smart City related to many subject areas, such as computer science, engineering, social science, mathematics, energy, decision science and so on. The figure 1.1 shows the distribution of 14452 documents referenced in Scopus database by different subject areas.
Figure 0-1 The percentage of different subject areas of “Smart City”- studies referenced in Scopus database on the period until 17th June 2019
When defining the term “Smart City”, some studies stress technologies. The study of Marinovici proposal of definition focuses on monitors and integrates conditions of critical infrastructures in Smart City (Marinovici et al., 2000). Besides, one of the core mechanisms in Smart City is a self-monitoring and self-response system.
Other definitions highlight different “soft” aspects of smart cities. For example, Rios’s approach is based on a definition of Smart City as a city that gives inspiration, shares culture, knowledge, and life, and motivates its inhabitants to create and flourish in their own lives (Rios, 2012). Partridge’s observation of Brisbane in Australia sheds light on social inclusion and equal participation as enhanced opportunities created by Smart City initiatives (Partridge, 2004). In the urban planning field, the term “Smart City” is often considered as a notion according to which being smarter entails strategic directions. Governments and public authorities at all levels use the concept of smartness to direct their policies and strategies a sustainable development way and improve the quality of life and create happiness for their citizens (Ballas, 2013). In this study, we seek a definition that combining both “hard” and “soft” aspects of the city, including technology and social dimensions. By this way, Smart City is considered as a city
34,40% 0 11,90% 7,00% 6,40% 5,10% 02,40% 2,29% 2,10% 6,20% Computer science Engineering Social science Mathematics Energy Decision science Environmental science Material science Physics and Astronomy Business, Management and Accounting
v
seeking to address public issues via Information and Communication Technology (ICT) - based solutions and the collaboration of multi stakeholders and municipally based partnership (Eskelinen et al., 2015).
1.1.2. Smart Cities and their characteristics
Cities are increasingly growing to become larger and more complex than ever. As a consequence, dealing with issues such as mobility, pollution, health risks or new infrastructures, among others, can often no longer be treated exclusively by city authorities, merely with traditional top-down approaches, and so increasingly choose to integrate the active participation of end-users and other stakeholders. A several project management and urban studies have investigated citizens as users and stakeholders of urban projects (Lehmann et al., 2015). Smart City is considered to be a well-performing and forward-looking city using the ‘smart’ combination of six main characteristics: economy, people, governance, mobility, environment and living (Giffinger, 2007). These characteristics form the framework for assessing the performance of smart cities. Smart economy focuses on economic factors related to competitiveness and integration of firms such as innovation, entrepreneurship, symbols, efficiency and flexibility of the labor market in both the national and international marketplace. The term “smart people” represents the quality of life, level of education of citizens and the ways in which they integrate and interact with others in open life. Smart mobility refers to the use of available and accessible ICTs in modes of transportation and transport systems. Attractive natural conditions (e.g. climate, green space) as well as managing and protecting natural resources are the important aspects of the smart environment. Smart living focuses on other aspects of life in a city, such as culture, health, security, housing, tourism, etc. Finally, smart governance comprises aspects of political participation and services for citizens which facilitate the involvement of citizens in transparent processes promoting collaboration, data exchange, service integration and communication. Some studies identify smart governance as the core in determining the success or failure of projects (Alawadhi et al., 2012) or one of the driving forces in Smart City framework that fosters innovation and sustainable economic development (Allam and Newman, 2018).
The roles of governance in Smart City not only focus on adopting new technologies but also on improving the transparency in sharing data and decision-making. The contribution of stakeholders, especially citizens for Smart City is based on their ideas for the future development policy. Therefore, smart governance is also considered as participatory governance or citizen-centric governance. In Smart City, ICT plays an important role for policymakers to collect data and govern cities in a better way with well-informed decisions and adequate policies (Allam and Dhunny, 2019). This leads to the data-led governance in Smart City that is affected by the Internet of things (IoT), sensor and big data. Smart City governance is inherently complex, with the multi-context and multi-level ecosystem of various stakeholders which are often driven by conflicting interests (Ruhlandt 2018). These dynamic and multiple natures appear to be a key source of complexity and uncertainty in decision-making processes (Chai et al., 2013).
This generates a need for effective decision-making tools for dealing with complex and sometimes conflicting issues in urban development projects (Dupont et al., 2015). In the following paragraphs, the types of decision-making methods, the levels of decision-making and the phase of implementation of the project are presented and described.
vi
The table 1.2 explains all components of smart cities relating different aspects of urban life. The table is used as a reference framework to identify the field of articles regarding to aspects of Smart City.
Table 0-2 Aspects of a Smart City (Giffinger, 2007)
Characteristics of a Smart City Related aspect of urban life
smart economy Competitiveness
smart people Social and Human Capital smart governance Democracy& Participation smart mobility logistics & infrastructures smart environment Natural resources
smart living Quality of life 1.1.3. Stakeholders in Smart Cities
In the context of urban development projects, the term ‘Stakeholder’ refers to those who affect or could be affected by a proposed development initiative (World Bank, 1996). Urban development, in turn, is the main constituents of cities’ vision, particularly, a smart cities’ vision. It is worth noting that a Smart City concept is emerging as a new approach to make urban development more sustainable (Alawadhi et al., 2012). Thereby, the term stakeholder in Smart City projects could have the same meaning related to that used by urban development projects; meaning that “a Smart City’s stakeholder is any individual or group of individuals who can affect or is affected by a Smart City initiative”.
Stakeholders play a significant role in Smart City projects. They can offer many benefits to a Smart City transformation process and their influence on the results of a project can be high for the reasons that can summary in the table 1-3.
Table 0-3 Roles and influence of stakeholders in Smart City
Roles and influence of stakeholders in Smart City References
1 They provide a wide range of skills, experiences, and knowledge to a successfulness of a transformation process of Smart City project.
(Enrique et al., 2016)
2 They can improve the quality of the decision-making if they have a good understanding of a transformation process goals and objectives.
(Macharis et al., 2014)
3 Involvement of stakeholders boosts transparency and improves the quality of citizens, reducing oppositions and ensuring that opinions are for the Smart City transformation process.
(Veeckman and Graaf, 2015), (Kulju and Oksman, 2017) 4 Establishing good relationships with stakeholders and various
groups of citizens ensure that complains and urgent modifications can be addressed at an early stage of a transformation process.
(Paskaleva et al., 2015)
vii
5 They can facilitate the implementation of a Smart City transformation process activities and help in monitoring and evaluating its outcomes. Their feedbacks are crucial for the continuous improvements and sustainability of a transformation.
(Ibrahim et al., 2017)
Stakeholders can take many forms; including persons, groups of people, citizens, institutions, public/private organizations, neighborhoods, societies, natural environment (Mitchell et al., 1997), government, local community organizations, advocates, media, consumers, unions, environmentalists, associations, political groups, employees, financial community, suppliers, education and research institutions, and others (Freeman, 2010).
Several project management researches and urban studies concern citizens as users and stakeholders of urban projects (Lehmann et al., 2015). In Smart City, citizens are active contributors within innovation and design communities. Various studies in the literature emphasized the necessity of the engagement of stakeholders in Smart City projects from an early stage and provides different conceptual models. The model of Cascetta and Pagliara was applied in a case study of the Regional Metro System project, Italy. Several tools supporting the engagement of stakeholders have discussed but the scope of studies only focus on transportation system (Cascetta and Pagliara, 2013). There is another model developed in more details for involving stakeholders in smart sustainable city (Ibrahim et al., 2017). However, this model did not execute any engagement tool. The model of Paskaleva et al, was designed as a concept of ‘Smart City stakeholder engagement’ and its application in the Living Lab to the co-production of Smart City services (Paskaleva et al., 2015). All these studies will be summarized in the table 1-4.
Table 0-4 Example models of engagement of stakeholders in Smart Cities
Reference Context Stages of model
(Cascetta and Pagliara, 2013) Transportation system 5 stages, -Stakeholders identification, - Listening - Information giving, - Consultation - Participation. (Ibrahim et al., 2017) Smart sustainable city 8 stages: - Stakeholder Identification - Prioritizing stakeholders
- Information Sharing with Stakeholders - Mapping Stakeholders
- Create Partnerships - Managing Stakeholders, - Stakeholder Involvement - Monitoring and Evaluation (Paskaleva et al., 2015) Smart City, Living Lab approach 4 stage: - Stakeholder enlistment - Stakeholder enrolment
